核心观点 - 京东云推出“Agent+Coding”双轮驱动开发新范式，通过JoyAgent智能体平台与JoyCode智能编码平台深度协同，旨在解决企业AI应用与核心业务流程脱节的问题，重塑企业AI开发模式 [1] 开发新范式 - “Agent+Coding”范式的核心价值在于：Agent平台沉淀的算法和工具为编码提供丰富能力，而智能编码平台则提供高效敏捷的开发能力来调用这些工具，实现企业应用的深度改造 [3] - 该模式形成“以Agent简化代码、以代码反哺Agent”的持续进化闭环，Coding平台可大量调用智能体工具和算法提升开发效率，同时开发的优秀Agent应用又更新回智能体平台，通过AI Store实现无缝协同 [3] - 这种双向赋能推动AI开发向自动化、智能化演进，实现从“开发者少写代码”到“开发少写代码”的产业升级 [3] 技术能力与突破 - JoyAgent 3.0智能体平台具备开源多模态RAG技术，支持跨格式与多模态检索，覆盖文本、表格、图片等多种信息类型，从语义、结构和视觉等多个层面理解内容，实现多元异构数据快速治理 [5] - 平台通过A2A协议支持外部智能体无缝接入，创新的多智能体编排模式可直接导入如Dify等其他平台的智能体，实现协同作战，解决企业现有系统与AI应用融合难题 [5] - JoyAgent内置DataAgent能力，可直接连接企业内部数据，无需迁移数据即可进行推理与分析，化解企业在安全与合规上的顾虑 [5] - JoyCode通过规约编程、智能体团队和CSR上下文引擎，破解大型代码库维护难题，并实现从本地开发到云端部署的无缝衔接，做到“开发即部署” [5] 生产级验证与应用 - JoyAgent是历经京东内部大规模业务场景锤炼的生产级智能体，公司内部已打磨出3.7万个稳定可靠的生产级智能体 [6] - 这些智能体深度应用于京东零售、物流、金融、健康等复杂业务场景，孵化出多类高价值数字员工，如面试数字员工自动筛选与初试候选人、培训数字员工个性生成学习路径、数据分析师数字员工自动归因与报告生成 [6] - 这些应用重构运营模式，成为新质生产力 [7] 技术生态与开源战略 - JoyAgent和JoyCode两个产品同源同构，基于同一技术栈，在编码逻辑、通信协议、开发组件、算法库等方面实现紧密协同 [9] - 京东云将成熟组件全面向合作伙伴开放，包括全套AI算法库、2400+ MCP工具、350+设计版式模版 [9] - 公司开源了行业首个100%开源的企业级智能体JoyAgent-genie，以及DataAgent和DCP数据治理模块 [9] - 自2025年7月开源以来，JoyAgent在GitHub上已收获超1万Star，在全球权威的GAIA智能体评测榜单中，验证集准确率超77%，测试集超67%，位列全球智能体方向第一梯队 [9] 产业价值 - 新范式使拥有场景洞察的业务人员能基于JoyAgent与JoyCode的深度融合，将创意迅速转化为企业级深度应用 [10] - 该范式解决AI应用“最后一公里”问题，使智能能力深度融入企业核心业务流程，而非孤立的智能功能 [10] - “敏捷洞察+稳健开发”的组合正成为企业AI落地的标准范式，推动各行各业实现真正的智能化升级 [10] - AI开发不再只是技术团队的专利，而是业务专家与技术团队共创的过程 [10]

财务业绩概览 - 3Q25总营收达2991亿元人民币，同比增长14.9%，超出市场共识预期2944亿元人民币的1.6% [1] - 非GAAP净利润为58亿元人民币，较市场预期的41.5亿元人民币高出39.5% [1] - GAAP毛利润同比增长12.1%至505亿元人民币，毛利率为16.9%，环比2Q25的15.9%有所提升，但低于3Q24的17.3% [1] - 非GAAP营业利润为2.11亿元人民币，利润率为0.1%，主要受收入增长和毛利润改善推动 [1] 零售业务表现 - 京东零售毛利率在3Q25创下5.9%的记录，得益于第三方佣金和广告收入增长、采购优化及高利润率品类组合改善 [2] - 京东零售收入同比增长11%，百货品类（特别是超市和服装，均实现中双位数增长）和第三方平台及营销收入表现强劲 [2] - 广告收入同比增长超过20%，季度活跃用户数同比激增40% [2] 新业务投资与战略 - 新业务板块3Q25营业亏损环比扩大至157亿元人民币，但主要拖累因素并非外卖业务 [3] - 外卖业务在度过初期投资阶段后持续优化运营效率，预计未来季度亏损将收窄 [3] - 京喜APP正重新定位以瞄准白牌产品和价值导向型消费者，而Joybuy正使用本地化运营模式拓展欧洲市场，目前在英国、法国、德国和荷兰处于测试阶段 [3] 技术应用与效率提升 - 公司升级零售技术基础设施，JD Streamer支持超过4万个品牌，降低了直播成本并提升了绩效 [4] - 在双十一大促期间，全天候AI客服系统处理了42亿次咨询 [4] - 京东物流在20多个省份扩大了自动化机器人和无人配送车的部署，以提升运营效率 [4] 估值与前景 - 尽管以旧换新计划造成了较高的收入基数，导致3C品类增长放缓超出预期，但京东零售基本面在3Q25仍具韧性 [5] - 随着以旧换新效益减弱，利润增长预计从之前季度的15-20%放缓至约10% [5] - 公司当前股价为30.71美元/ADS，企业价值为325.5亿美元，基于2025年共识EBITDA预测29.2亿美元，其EV/EBITDA为11.1倍，相对于同行16倍（2025年）和21倍（2026年）的估值存在显著折价 [5]

涉及的行业或公司 * 京东集团（JDcom）及其子公司京东物流（JD Logistics）[1][11][12] * 中国电子商务、物流及本地生活服务行业[1][9][15] 核心观点和论据 整体财务表现 * 京东集团第三季度总收入同比增长14.9%至2990.59亿元人民币，高于高盛预期1%和市场共识2% [1][12][16] * 非GAAP集团净利润率1.9%优于高盛预期的1.3%，但低于去年同期的5.1% [17] * 新业务亏损扩大至157亿元人民币，高于高盛预期的139亿元人民币 [1][17] 京东零售核心业务 * 京东零售收入同比增长11%，营业利润率创历史新高，达到5.9%，高于高盛预期的5.2% [1][2][3] * 电子产品及家电收入增长同比放缓至5%，主要由于2024年9月开始的以旧换新计划造成高基数效应 [1][2][12] * 日用商品收入增长强劲，同比加速至18.8%，超越高盛预期5个百分点，由超市和服饰品类驱动 [1][12] * 平台及广告收入同比增长23.7%，远超高盛预期17个百分点，得益于AI广告技术和应用流量增长 [1][12] * 年度活跃用户于2025年10月突破7亿里程碑，季度活跃客户同比增长40%，购物频率提升 [1][2] 京东物流业务 * 京东物流收入同比增长24%至551亿元人民币，外部收入贡献占比61.5% [12] * 内部一体化供应链收入同比大幅增长66%至212亿元人民币，主要由于整合京东外卖服务 [12] * 营业利润率2.6%，略低于高盛预期的2.9%，因全职骑手员工福利支出增加 [13] * 调整后净利润20亿元人民币，利润率3.7%，低于去年同期的5.8% [13] 新业务与战略投资 * 公司利用零售业务强劲利润（9个月累计416亿元人民币，同比增长34%）积极投资新增长领域，包括外卖、京喜（下沉市场）和国际业务 [1] * 外卖业务单位经济在第三季度环比改善，总商品交易额环比双位数增长，日均订单量约1800万单，餐食订单占比提升 [9] * 外卖与核心零售业务协同效应显著，早期外卖用户转化率达50%，超市和电子配件交叉销售率增长 [9] 技术与运营效率 * 应用AI技术提升运营，如JD streamer服务超4万个品牌，AI客服在双十一期间处理42亿次咨询 [10] * 京东物流在20多个省份部署自动化机器人和无人配送车以提升效率 [10] * 采购能力优化、规模经济以及向高利润率品类组合转移推动利润率提升 [3] 其他重要内容 财务状况与运营指标 * 截至第三季度末，现金及等价物、受限现金和短期投资为2105亿元人民币 [17] * 过去十二个月自由现金流同比下降63%至126亿元人民币 [17] * 库存周转天数（TTM）为35.8天，高于去年同期的30.4天 [17] 投资观点与风险 * 高盛对京东集团给予买入评级，12个月目标价美股45美元/港股174港元，看好其独特的自营+平台模式及领先的供应链能力 [11][14] * 对京东物流给予买入评级，目标价17.7港元，看好其在中国供应链行业的领先地位 [15] * 关键风险包括电子商务竞争加剧、GMV增长放缓以及京东零售利润率波动 [15]

公司AI战略核心观点 - 公司宣布未来三年将投入带动形成万亿规模的人工智能生态 [1] - 公司系统展示AI全景布局，包括升级"JoyAI"大模型品牌、发布三款用户AI产品、四大场景应用及三大深度平台 [1] - 公司提出AI价值公式：人工智能的价值=模型×体验×产业厚度²，强调产业厚度对AI能量释放的指数级影响 [3] - 公司AI发展路径强调扎根供应链及实体业务场景，追求可持续发展并为产业创造实际价值 [15] AI技术内生应用与成效 - 公司利用自身复杂的供应链生态和产业场景验证AI应用效用，并将成熟能力体系化外溢 [6] - 在物流供应链场景，物流超脑大模型2.0升级为多模态全链路人机协同系统，标准化操作水平提升15%，人机协同作业效率提升20% [7] - "狼族系列"智能设备实现物流全场景精准覆盖，目前全球部署仓库超500个 [7] - 工业供应链大模型JoyIndustrial依托超5710万工业品SKU数据与40余个细分行业积累训练，已服务超一万家重点工业企业 [8] - AI虚拟治理团队将十万级治理任务从"以月计"压缩到"以小时计"，关务代理智能体使企业工时成本降低一半以上，关务评估从T+3提升至准实时 [8] - 零售业务公布电商创新AI架构体系Oxygen，通过AI搜索、AI试穿等功能提升消费者决策效率，通过设计智能体等工具提升商家运营效率并降低库存损耗和退货率 [8] 消费端产品与行业赋能 - 公司推出京犀App作为AI原生超级引擎，通过指令无缝联动线上线下服务，重塑"服务找人"交互逻辑 [11] - 数字人助手"他他它"具备跨硬件终端能力，用户对话次数平均提升超120%，目前已接入超过30家头部品牌硬件产品 [11] - 附身智能JoyInside向机器人、AI玩具等硬件生态输出交互技术，已与超10家领先机器人品牌合作 [11] - JoyAgent 3.0为100%开源企业级智能体平台，JoyCode 2.0支持零手写代码自动化编程，数字人平台4.0将直播成本降至真人1/10 [12] - 公司通过产品化、平台化、开源化输出AI能力，进行"产业开源"，将零售、物流、健康、工业等领域的技术能力向各行各业系统性输出 [14] 技术演进与行业定位 - 公司大模型技术持续演进，从2021年10亿级模型生成30亿字商品文案，发展到2025年JoyAI大模型家族涵盖3B到750B全尺寸模型 [15] - JoyAI大模型在权威评测基准Rrbench上推理能力得分为76.3，位列全球第二名 [15] - 行业调研显示52%的组织已在生产环境部署AI智能体，早期采纳者中88%的企业在某个场景看到生成式AI投资回报 [16] - 公司AI竞争决胜点从算法竞赛转向对产业场景的渗透深度与价值创造效率，为行业定义可复制、可验证的AI深度应用新范式 [16]

公司战略与组织调整 - 京东探索研究院升级 创始人刘强东亲自担任院长并在全球招募人工智能科学家 [1] - 京东发布大模型品牌Joy AI升级版及三款用户端App：购物生活助手"京犀"、数字人助手"他她它"、附身智能应用"JoyInside" [1] - 现场演示数字人助手"他她它"完成1694元咖啡订单 展示AI Agent实际应用能力 [1] AI Agent业务应用 - 即时零售领域推出Agent"小七" 解决用户找货难、决策难、售后难痛点 同时整合工单评价舆情骑手数据提升员工效率 [3] - 物流场景部署"智慧员工"方案 实现从单点提效到组织重构转变 使组织架构更扁平透明 [3] - 京东健康构建"专家智能分身"系统 通过数字人技术还原专家语音外形 已上线超千名专家智能体将诊疗效率提升50% [4] 技术生态与产业落地 - 企业级智能体JoyAgent 3.0累计服务AI交互超20亿次 孵化2.3万余个智能体 其中千万级用户规模智能体达10个 百万级超50个 [5] - 每日实时在线开发者突破5000人 总开发者规模超1万人 京东云已于今年7月正式开源JoyAgent智能体 [5] - AI Agent进入产业落地深水区 面临复杂场景适配和人机协同边界界定等挑战 [5][6] 行业发展趋势 - 2025年被行业视为AI Agent元年 互联网大厂展开新一轮AI争夺战 [1][2] - 中国企业级AI Agent市场规模2023-2027年复合增长率预计达120% 2027年市场规模将达655亿元 [6] - IDC预测2028年中国企业级智能体应用市场规模保守估计达270+亿美元 多体协同和系统化部署成为新发展焦点 [6]

公司战略与组织调整 - 京东探索研究院升级 创始人刘强东亲自担任院长并在全球招募人工智能科学家 [2] - 京东发布大模型品牌Joy AI升级及三款用户端App：购物生活助手"京犀"、数字人助手"他她它"和附身智能应用"JoyInside" [2] AI Agent产品布局 - 京东AI Agent在即时零售领域推出"小七"智能体 解决用户找货难、决策难、售后难痛点及提升员工操作效率 [5][6] - 物流场景部署"智慧员工"方案 实现从单点提效到组织架构扁平化透明化转变 [6] - 京东健康推出"AI京医"系统 通过超千名专家智能体将诊疗效率提升50% [7] 企业级应用成果 - 京东企业级智能体JoyAgent 3.0累计服务AI交互超20亿次 孵化2.3万余个智能体 [8] - 其中千万级用户规模智能体达10个 百万级超50个 每日实时在线开发者突破5000人 [8] - 京东云已于今年7月正式开源JoyAgent智能体 [8] 行业市场前景 - 2023至2027年中国企业级AI Agent市场规模复合增长率预计达120% 2027年市场规模将达655亿元 [9] - IDC预测2028年中国企业级智能体应用市场规模保守估计达270亿美元以上 [9] - 智能体市场发展焦点从单一功能突破转向多体协同和系统化部署 [9] 技术演进阶段 - AI Agent从demo阶段进入产业落地深水区 面临复杂场景适配和人机协同边界界定等挑战 [8] - 具备任务拆解、规划执行、记忆与协作等综合能力的智能体成为主流 [9]

AI全景布局 - 公司首次系统呈现AI全景布局 推出智能体平台JoyAgent 3 0与智能编码助手JoyCode 2 0 并开源核心组件 [1] - 创新提出"智能体平台+代码平台"双引擎AI开发范式 显著降低AI开发与部署门槛 [1] 智能体平台技术突破 - JoyAgent 3 0集成自编码 多模态RAG与DataAgent能力 成为企业"智能决策中枢" [1] - 在国际GAIA评测中准确率跻身全球第一梯队 [1] - 平台支持文本 表格 图像等跨格式查询 在Bird-SQL榜单中准确率超75% 位列中国厂商第一 [1] 开源战略与数据治理 - 宣布开源JoyAgent平台 向行业开放DataAgent与DCP数据治理模块 [1] - 成为业内首个集成数据治理DGP协议及智能问数能力的开源项目 [1] 智能编码平台升级 - JoyCode IDE 2 0为面向严肃开发场景的企业级智能编码平台 [1] - 通过规约编程端到端智能体团队与CSR上下文引擎 解决大型复杂代码库维护难题 [1] - 基于云端原生协作生态 实现本地 远程开发与云端部署无缝衔接 支持一键上云 [1] 内部应用成果 - 基于JoyAgent与JoyCode深度融合 公司内部已孵化出超20个高价值数字员工 [2] - 数字员工覆盖产研 招聘等领域 [2]

核心观点 - 京东云开源企业级智能体平台JoyAgent 3.0及多智能体框架OxyGent 构成Agent"双子星" 在GAIA等权威评测中跻身全球第一梯队 [1][46][50] - 公司系统性开源包括医疗大模型、推理框架、安全模块等全栈AI能力 覆盖从底层基础设施到上层应用 旨在解决产业落地痛点 [5][51][52] - 通过彻底开源策略 将内部复杂场景验证的技术转化为行业基础设施 降低开发者门槛并推动生态协同 [72][73][75] 智能体平台JoyAgent - JoyAgent 3.0为行业首个100%开源企业级智能体 完整开放前后端、框架及核心子智能体 支持本地部署开箱即用 [7][10] - 新增开源DataAgent和DCP数据治理模块 集成DGP协议及智能问数、诊断分析能力 支持自然语言查询数据库及复杂问题分析 [11][13][18] - 在GAIA评测中验证集准确率77% 测试集准确率超67% 较前期稳步提升 位列全球第一梯队 [1][42] - 支持MCP、A2A等主流协议 允许第三方智能体无缝集成 并提供NL2Workflow等开箱即用工具集 [37][39][40] 多智能体框架OxyGent - 框架采用纯Python开发 将工具、模型、智能体抽象为Oxy原子组件 支持积木式组装且无需复杂配置 [46][47] - 在GAIA评测中获得59.14分 紧追开源标杆OWL（60.8分） 其中Level 1得分达77.42% [49][50] - 提供推理可视化能力 支持生命周期统一管理及未来AI应用扩展 [47][48] 医疗大模型京医千询2.0 - 为行业首个突破可信推理与全模态能力的开源医疗大模型 支持文本、影像、检验报告等多模态数据深度融合解析 [53][55][58] - 通过模拟临床诊疗路径 引入循证医学证据确保推理符合医学共识 并建立人类偏好学习闭环提升准确性 [54][57] - 在涵盖医学影像分割、报告生成等21项评测中综合表现领先 已应用于医院、健康管理机构等多类场景 [60][63] 底层基础设施与安全 - 开源专为国产芯片优化的xLLM推理框架 采用服务-引擎分离架构 实现京东零售业务5倍效率提升及90%成本优化 [64][66] - JoySafety安全模块提供全链路防护 支持流式输出检测与毫秒级风险拦截 内部验证恶意攻击降低95%以上 [68][69] - 同步开源向量数据库Vearch、跨端框架Taro等 形成完整技术栈 [71] 开发者生态与行业影响 - JoyAgent在GitHub获10.1k星标 OxyGent获977星标 显示开源社区高度关注 [3][4][47] - 通过开放内部超3万智能体实践验证的技术 使开发者可零成本基于成熟代码创新 降低企业试错门槛 [44][73][76] - 推动DGP数据治理协议等技术标准形成 促进生态协同与产业落地 [15][75][77]

公司AI战略与投入 - 公司宣布未来三年持续投入人工智能发展 带动万亿规模人工智能生态并向具身智能企业开放场景与训练数据 [1] - 公司采用场景驱动策略 先在自身供应链体系验证AI应用价值再将实战检验能力系统化输出 [3] - 公司AI战略脱离炫参数层面 坚持让AI扎根供应链及实体业务场景 强调大模型需在场景中发挥作用 [13] 自研AI应用成果 - 物流超脑2.0实现全链路作业可感知可预测可协同 操作标准化水平提升15% 一线效率提升近20% 人机协同效率增幅超20% [4] - 狼族产品实现物流全场景覆盖 规模化部署应用仓库突破500个 [4] - JoyIndustrial工业大模型覆盖5710万工业品SKU和40多个细分行业 衍生40余类智能体应用 [4] - 商品治理任务从以月计压缩至以小时计 商机澄清从5小时缩短至15分钟 关务评估从T+3提升至准实时 [5] - 京医千询2.0医疗大模型融合多模态医学数据 建立跨模态思维链提升诊断完整性与准确性 [5] - AI购与AI试穿应用优化消费决策 京麦AI助手与京点点设计智能体降低退货率和损耗 [6] 新产品与平台发布 - 京犀AI原生应用实现线上线下联动 直连零售外卖酒旅等服务 [8] - 数字人助手他她它融合语音表情动作 满足知识问答医疗咨询金融服务等需求 [8] - 附身智能平台JoyInside 2.0接入机器人和AI玩具品牌 智能硬件对话轮次平均提升超120% [9] - JoyAgent 3.0为100%开源企业级智能体 集成多模态RAG和数据治理能力 GitHub收获超10K Star [9] - JoyCode 2.0支持零手写代码全自动化编程 服务上万名研发人员 代码采纳率超40% [11] - 数字人4.0以1/10成本超越真人主播 成为品牌长期数字资产 [11] - 开源OxyGent多智能体协作框架 xLLM推理框架 JoySafety大模型安全及京医千询2.0医疗大模型 [11] 行业发展与趋势 - AI行业从强调技术研发转向注重实际应用价值 [3] - 产业界与资本市场强调AI应用ROI指标 关注真实应用场景价值提升 [16] - 微软不再重点提及模型参数 转而强调性能优化与实际应用效果 Copilot月活跃用户达1亿且付费用户渗透率达35% [16] - 国内参展企业在WAIC更多展示实际应用能力以回应ROI问题 [16]

京东AI战略核心观点 - 公司采用场景驱动策略 在自有供应链体系中验证AI应用价值后系统化输出能力 [3] - 公司未来三年将持续投入人工智能发展 带动万亿规模人工智能生态并向具身智能企业开放场景与训练数据 [1] - 公司AI实践为行业提供可参照的关键要素和可能路径 体现从技术研发转向实际应用价值的行业趋势 [3] 自研AI应用成果 物流场景 - 物流超脑2.0通过全域感知等三重机制实现数据驱动的动态决策 操作标准化水平提升15% 人车货场调度效率提升近20% 人机协同效率增幅超20% [6] - "狼族"自研产品实现物流全场景覆盖 规模化部署应用仓库突破500个 [6] 工业场景 - JoyIndustrial工业大模型覆盖5710万工业品SKU和40多个细分行业数据 衍生40余类智能体应用 [6] - AI虚拟治理团队将十万级治理任务从"以月计"压缩至"以小时计" 千条商机澄清从5小时缩短至15分钟 关务代理智能体降低工时成本一半以上 [7] 健康场景 - 京医千询2.0医疗大模型以可信为核心优先级 融合多模态医学数据建立跨模态思维链 [7] 零售场景 - AI购和AI试穿应用基于个性化推荐提升决策效率 京麦AI助手等工具降低退货率和损耗 [8] 三大AI产品 京犀 - AI原生应用实现线上线下联动 直连零售、外卖、酒旅等服务 [11] 他她它 - 数字人助手融合语音表情动作 满足知识问答等多需求 智能体能力可植入硬件终端 [12] JoyInside 2.0 - 具身智能平台为机器人和玩具厂商提供大脑 接入后智能硬件对话轮次平均提升超120% 已接入宇树等品牌 [12] 三大深度应用平台 JoyAgent 3.0 - 行业首个100%开源企业级智能体 集成多模态RAG等能力 GitHub收获超10K Star 进一步开源DataAgent和DCP数据治理模块 [13] JoyCode 2.0 - 企业级智能开发平台支持零手写代码编程 服务公司上万名研发人员 生成代码采纳率超过40% [15] 数字人4.0 - 从替身执行走向个性创造 直播带货以1/10成本超越真人主播 依托JoyAI LiveHuman模型开放接口拓展行业 [15] 战略演进历程 - 2020年布局言犀大模型 坚持AI扎根供应链及实体业务场景 [18] - 2021年推出10亿参数K-PLUG模型 生成累计30亿字商品文案 [18] - 2022年发布百亿级模型Vega 服务物流数智供应链平台 [18] - 2023年发布千亿级参数大模型 融合70%通用数据与30%供应链原生数据 [18] - 当前强调产业属性 用产业厚度打磨AI深度 [19] 行业趋势呼应 - 行业从算力参数堆砌转向ROI指标关注 微软Copilot月活达1亿且付费用户渗透率35% [22] - WAIC参展企业更多展示实际应用能力以回答ROI问题 [22] - 公司通过自用打磨-反馈迭代-开放开源的路径构建AI深度应用链路 [22][23]